000119503 001__ 119503
000119503 005__ 20221025101351.0
000119503 037__ $$aTAZ-TFG-2022-861
000119503 041__ $$aspa
000119503 1001_ $$aMarín Araiz, Lucía
000119503 24200 $$aGraft survival prediction in Liver Transplantation: A supervised predictive model with Artificial Neural Networks
000119503 24500 $$aPredicción de supervivencia del Injerto en el Trasplante Hepático: un modelo predictivo supervisado con Redes Neuronales Artificiales
000119503 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2022
000119503 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000119503 520__ $$aOBJETIVO:Describir un nuevo Indicador de Supervivencia del Injerto en el Trasplante Hepático que sea una combinación de los factores del donante, del receptor (enfermedad primaria y comorbilidades) y del proceso donación-trasplante, empleando una Red Neuronal Artificial.<br />MATERIAL y MÉTODO:<br /> Fuentes de datos y variables: El estudio se ha llevado a cabo a partir de todos los pacientes con Trasplante Hepático (primer trasplante) realizados en el Hospital Clínico Universitario Lozano Blesa de 2000 a 2021. Hemos analizado una base de datos anonimizada y que solo contenía información clínica. En variables se han recogido todas aquellas contempladas en el RETH con significación estadística en la supervivencia del injerto, así como las comorbilidades del receptor.<br /> Red Neuronal Artificial: El modelo de Red Neuronal escogido es un perceptor multicapa (MLP Multilayer Perceptron) y el algoritmo de aprendizaje utilizado el Gradiente Conjugado Escalado. Con una capa de salida de dos neuronas cuya función de activación es Softmax.<br /> Evento: El evento objeto del estudio se define como la pérdida del injerto por retrasplante o exitus con disfunción del injerto en el primer año tras el trasplante. <br /> Indicador: El indicador se ha considerado el valor de la neurona de la capa de salida que predice que va a ocurrir el evento. La potencia del indicador ha sido medida mediante métricas de rendimiento, un análisis ROC y el parámetro de importancia de la variable (IV).<br />RESULTADOS:<br /> Nuestra serie consta de 596 pacientes de los cuales el evento se produjo en el 14% de los casos. El 67.4% de los casos tenía alguna comorbilidad asociada. Las únicas comorbilidades que mostraron diferencias estadísticamente significativas en relación a la supervivencia del injerto fueron: Antiagregación y/o Anticoagulación (4.5 vs 11.9%), Trombosis Portal (3.3 vs 9.5%) y el Virus de Hepatitis C (27.1 vs 41.7%); todas ellas con una p < 0.01.<br /> Se obtuvo una Red Neuronal 8:7:2 y el indicador mostró un Área ROC de 0.701, con diferencias significativas respecto de la asíntota (p < 0.05). Con un punto de corte > 0.5. El indicador obtuvo una exactitud de 86.24% y una especificidad del 99.61%.<br /> Las variables más importantes en la predicción del evento fueron: La edad del donante (IV normalizada 100%), la trombosis portal (IV normalizada 87.9%) y la causa del trasplante (IV normalizada 76.3%).<br />CONCLUSIÓN:<br /> Es posible crear un nuevo indicador de supervivencia del injerto en el Trasplante Hepático utilizando un modelo supervisado de Redes Neuronales Artificiales, cuyo rendimiento podría mejorarse si se creara a partir de una base de datos multicéntrica amplia.<br /> Las comorbilidades son muy frecuentes entre los receptores de Trasplante Hepático y algunas de ellas podrían ser un factor predictivo muy importante en la supervivencia del injerto.<br /><br />
000119503 521__ $$aGraduado en Medicina
000119503 540__ $$aDerechos regulados por licencia Creative Commons
000119503 700__ $$aZalba Etayo, Begoña$$edir.
000119503 7102_ $$aUniversidad de Zaragoza$$b $$c
000119503 8560_ $$f740176@unizar.es
000119503 8564_ $$s1288889$$uhttps://zaguan.unizar.es/record/119503/files/TAZ-TFG-2022-861.pdf$$yMemoria (spa)
000119503 909CO $$ooai:zaguan.unizar.es:119503$$pdriver$$ptrabajos-fin-grado
000119503 950__ $$a
000119503 951__ $$adeposita:2022-10-25
000119503 980__ $$aTAZ$$bTFG$$cMED
000119503 999__ $$a20220527201238.CREATION_DATE